一種手勢識別方法和裝置制造方法
【專利摘要】本發(fā)明提出一種手勢識別方法和裝置，其中方法包括：獲取用戶手勢的數(shù)據(jù)序列，所述數(shù)據(jù)序列包括加速度數(shù)據(jù)序列和角速度數(shù)據(jù)序列；對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到特征向量；采用預(yù)先設(shè)定的預(yù)定義分類器識別所述特征向量，得到所述特征向量對應(yīng)的用戶手勢。本發(fā)明的識別率較高，并能夠識別出基于手腕運動的手勢及手部旋轉(zhuǎn)手勢。
【專利說明】一種手勢識別方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及模式識別與人工智能【技術(shù)領(lǐng)域】，尤其涉及一種手勢識別方法和裝置?！颈尘凹夹g(shù)】
[0002] 傳統(tǒng)的手勢識別技術(shù)主要分為基于計算機(jī)視覺的手勢識別和數(shù)據(jù)手套的手勢識 另IJ，其中基于計算機(jī)視覺的手勢識別技術(shù)的算法復(fù)雜度普遍較高，且極其容易受環(huán)境因素 影響，識別率難以令人滿意；基于數(shù)據(jù)手套的手勢識別技術(shù)雖然識別率較好，但是由于其設(shè) 備昂貴、攜帶不便、且用戶體驗較差，已經(jīng)逐漸被研宄人員所放棄。
[0003] 隨著計算機(jī)硬件的不斷發(fā)展，越來越多的技術(shù)人員將手勢識別的研宄方向轉(zhuǎn)移到 傳感器方面，特別是基于加速度傳感器數(shù)據(jù)的手勢識別技術(shù)是近幾年來一個模式識別和人 工智能領(lǐng)域較為活躍的領(lǐng)域。
[0004] 基于加速度數(shù)據(jù)的手勢識別技術(shù)主要有模板匹配、神經(jīng)網(wǎng)絡(luò)、和概率統(tǒng)計分析等 方法?；谀０迤ヅ涞姆绞絻?yōu)勢在于流程邏輯簡單，最大的缺點在于計算復(fù)雜度較高，很難 滿足實時性要求較高的應(yīng)用，如SvenKratz等人集成加速度和角速度數(shù)據(jù)，通過動態(tài)時間 規(guī)劃的方法對6種簡單手勢進(jìn)行識別，結(jié)果表明動態(tài)時間規(guī)劃的實時性最差。基于概率統(tǒng) 計分析的方法目前較為流行，如JiangfengLiu等人利用隱形馬爾科夫模型，基于手部運動 的加速度信息對8種手勢進(jìn)行識別且識別利率較好。壓縮感知是目前另一種較為流行的方 法，這種方法可以減少手勢數(shù)據(jù)的維度、簡化識別的計算復(fù)雜度，如AhmadAkl就結(jié)合動態(tài) 時間規(guī)劃和壓縮感知技術(shù)對18種手勢進(jìn)行識別。
[0005] 現(xiàn)有技術(shù)的不足之處在于：
[0006] 目前的手勢識別技術(shù)對較少的手勢種類進(jìn)行識別時識別率較高，對較多的手勢進(jìn) 行識別的時候識別率會顯著下降；并且，主要是對手部運動軌跡進(jìn)行識別，并不支持無明顯 運動軌跡的手部旋轉(zhuǎn)等手勢。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明提供了一種手勢識別方法，其識別率較高，并能夠識別出基于手腕運動的 手勢及手部旋轉(zhuǎn)手勢。
[0008] 本發(fā)明還提供了一種手勢識別裝置，其識別率較高，并能夠識別出基于手腕運動 的手勢及手部旋轉(zhuǎn)手勢。
[0009] 本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：
[0010] 一種手勢識別方法，包括：
[0011] 獲取用戶手勢的數(shù)據(jù)序列，所述數(shù)據(jù)序列包括加速度數(shù)據(jù)序列和角速度數(shù)據(jù)序 列；
[0012] 對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到特征向量；
[0013] 采用預(yù)先設(shè)定的預(yù)定義分類器識別所述特征向量，得到所述特征向量對應(yīng)的用戶 手勢。
[0014] -種手勢識別裝置，置包括：
[0015] 預(yù)處理模塊，用于獲取用戶手勢的數(shù)據(jù)序列，所述數(shù)據(jù)序列包括加速度數(shù)據(jù)序列 和角速度數(shù)據(jù)序列；對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到特征向量；
[0016] 預(yù)定義分類器，用于識別所述特征向量，得到所述特征向量對應(yīng)的用戶手勢。
[0017] 可見，本發(fā)明提出的手勢識別方法和裝置，將用戶手勢的加速度數(shù)據(jù)序列和角速 度數(shù)據(jù)序列作為識別依據(jù)，能夠?qū)^多手勢進(jìn)行準(zhǔn)確識別，并能夠識別出無明顯運動軌跡 的手部旋轉(zhuǎn)手勢。

【專利附圖】

【附圖說明】
[0018] 圖1為本發(fā)明提出的手勢識別方法實現(xiàn)流程圖；
[0019] 圖2為實施例一的系統(tǒng)結(jié)構(gòu)示意圖；
[0020] 圖3為實施例二的實現(xiàn)流程圖；
[0021] 圖4為維度標(biāo)準(zhǔn)化處理示意圖；
[0022] 圖5為實施例三的實現(xiàn)流程圖；
[0023] 圖6為實施例四的實現(xiàn)流程圖；
[0024] 圖7為本發(fā)明方法在6DMG開源數(shù)據(jù)庫上的測試結(jié)果示意圖。

【具體實施方式】
[0025] 本發(fā)明提出一種手勢識別方法，如圖1為該方法的實現(xiàn)流程圖，包括：
[0026] 步驟101 :獲取用戶手勢的數(shù)據(jù)序列，所述數(shù)據(jù)序列包括加速度數(shù)據(jù)序列和角速 度數(shù)據(jù)序列；
[0027] 步驟102 :對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到特征向量；
[0028] 步驟103 :采用預(yù)先設(shè)定的預(yù)定義分類器識別所述特征向量，得到所述特征向量 對應(yīng)的用戶手勢。
[0029] 由于獲取的用戶手勢數(shù)據(jù)序列中包括了角速度數(shù)據(jù)序列，因此本發(fā)明提出的手勢 識別方法能夠識別出基于手腕運動的手勢及手部旋轉(zhuǎn)等手勢。
[0030] 上述步驟102的具體方式可以為：
[0031] 對各個數(shù)據(jù)序列分別依次執(zhí)行去噪平滑、尺度歸一化和維度標(biāo)準(zhǔn)化操作；將操作 結(jié)果組成用戶手勢的特征向量。
[0032] 步驟103中，當(dāng)預(yù)定義分類器無法識別出所述特征向量時，上述方法可以進(jìn)一步 包括：采用用戶設(shè)定的自定義分類器識別所述特征向量，得到所述特征向量對應(yīng)的用戶手 勢。
[0033] 本發(fā)明能夠為用戶提供定義自己喜好的、并且不在預(yù)定義分類器手勢集合之中的 手勢的方法，具體可以為：
[0034] 獲取用戶連續(xù)兩次以上輸入的用戶手勢的數(shù)據(jù)序列；
[0035] 對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到針對每個用戶手勢的特征向量；
[0036] 當(dāng)針對每個用戶手勢的特征向量均無法被所述預(yù)定義分類器識別時，判斷任意兩 個用戶手勢的數(shù)據(jù)序列的相似度是否均不大于預(yù)先設(shè)定的閾值，如果是，則將各個用戶手 勢的數(shù)據(jù)序列作為初始樣本；
[0037] 對所述初始樣本進(jìn)行加權(quán)加噪處理，將初始樣本及加權(quán)加噪處理后得到的樣本作 為自定義分類器的正樣本；選取其他數(shù)據(jù)序列作為自定義分類器的負(fù)樣本；將所述正樣本 和負(fù)樣本作為訓(xùn)練數(shù)據(jù)訓(xùn)練所述自定義分類器。
[0038] 其中，加權(quán)加噪處理的具體方式可以為：對數(shù)據(jù)序列中的各個數(shù)據(jù)分別乘以預(yù)定 范圍內(nèi)的隨機(jī)數(shù)；
[0039] 對初始樣本進(jìn)行加權(quán)加噪處理，將初始樣本及加權(quán)加噪處理后得到的樣本作為自 定義分類器的正樣本的具體方式可以為：
[0040] 對初始樣本進(jìn)行加權(quán)加噪處理，得到新的數(shù)據(jù)序列；
[0041] 對所述初始樣本及新的數(shù)據(jù)序列再次進(jìn)行加權(quán)加噪處理，得到新的數(shù)據(jù)序列；
[0042] 直至數(shù)據(jù)序列的數(shù)量滿足預(yù)先設(shè)定的要求時，將得到的新的數(shù)據(jù)序列及初始樣本 作為正樣本。
[0043] 選取其他數(shù)據(jù)序列作為自定義分類器的負(fù)樣本的具體方式可以為：
[0044] 選取所述預(yù)定義分類器能夠識別的部分或全部用戶手勢的數(shù)據(jù)序列、或者一個以 上隨機(jī)序列作為負(fù)樣本。
[0045] 以下結(jié)合附圖，舉具體的實施例詳細(xì)介紹。
[0046] 實施例一：
[0047] 本實施例介紹運行本發(fā)明提出的手勢識別方法的示范性系統(tǒng)，如圖2為該系統(tǒng)結(jié) 構(gòu)示意圖，該系統(tǒng)實現(xiàn)了一個第三方應(yīng)用程序使用本發(fā)明進(jìn)行人機(jī)交互的實例。
[0048] 該系統(tǒng)通過內(nèi)置加速度和角速度傳感器的設(shè)備（即數(shù)據(jù)識別單元210)獲取用戶 進(jìn)行手勢操作的加速度數(shù)據(jù)序列和角速度數(shù)據(jù)序列，經(jīng)由藍(lán)牙或其傳輸至他連接設(shè)備將加 速度數(shù)據(jù)序列和角速度數(shù)據(jù)序列預(yù)處理模塊220 ;
[0049] 預(yù)處理模塊220對獲取的加速度數(shù)據(jù)序列和角速度數(shù)據(jù)序列進(jìn)行去噪平滑處 理，對去噪平滑處理后的結(jié)果進(jìn)行歸一化處理，再對歸一化處理后的結(jié)果進(jìn)行維度標(biāo)準(zhǔn)化 操作，最后提取每個維度的數(shù)據(jù)均值作為特征組建特征向量，將特征向量發(fā)送至識別模塊 230 ；
[0050] 識別模塊230可以包括預(yù)先設(shè)定的預(yù)定義分類器231，還可以進(jìn)一步包括用戶自 行設(shè)定的自定義分類器232 ;識別模塊230對收到的特征向量進(jìn)行識別，識別出對應(yīng)的用戶 手勢，將識別結(jié)果返回給第三方應(yīng)用程序240,由第三方應(yīng)用程序匹配識別結(jié)果至特定的機(jī) 器操作，從而實現(xiàn)人機(jī)交互的功能。此外，該系統(tǒng)允許第三方應(yīng)用程序為用戶提供自定義手 勢接口，通過本方法的自定義識別模塊將用戶自己定義的新個人手勢映射為第三方應(yīng)用程 序的某個操作。
[0051] 本實施例從整體上介紹了各個單元的功能，以下舉多個實施例分別介紹各個單元 的具體處理流程。
[0052] 實施例二：
[0053] 本實施例介紹預(yù)處理模塊220對原始的加速度數(shù)據(jù)序列和角速度數(shù)據(jù)序列進(jìn) 行預(yù)處理的過程。在本實施例中，一個用戶手勢的原始數(shù)據(jù)序列包括6個，記為AccSecL x，AccSeq_y,AccSeq_z,AngSeq_x,AngSeq_y,AngSeq_z;其中，AccSeq表示加速度數(shù)據(jù)序列， AngSeq表示角速度數(shù)據(jù)序列，下標(biāo)X、y、z分別表示傳感器的3個方向軸。
[0054]如圖3為本實施例的實現(xiàn)流程圖，包括以下步驟：
[0055] 步驟301 :去噪平滑。本實施例采用均值濾波，并以寬度為5的滑動窗口作為中心 點領(lǐng)域，將窗口內(nèi)數(shù)據(jù)的均值作為中心點的更新值進(jìn)行均值濾波，計算式為：
[0056]

【權(quán)利要求】
1. 一種手勢識別方法，其特征在于，所述方法包括： 獲取用戶手勢的數(shù)據(jù)序列，所述數(shù)據(jù)序列包括加速度數(shù)據(jù)序列和角速度數(shù)據(jù)序列； 對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到特征向量； 采用預(yù)先設(shè)定的預(yù)定義分類器識別所述特征向量，得到所述特征向量對應(yīng)的用戶手 勢。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對數(shù)據(jù)序列進(jìn)行預(yù)處理并得到特征 向量的方式為： 對各個數(shù)據(jù)序列分別依次執(zhí)行去噪平滑、尺度歸一化和維度標(biāo)準(zhǔn)化操作； 將操作結(jié)果組成用戶手勢的特征向量。
3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，當(dāng)所述預(yù)定義分類器無法識別出所述 特征向量時，所述方法進(jìn)一步包括： 采用用戶設(shè)定的自定義分類器識別所述特征向量，得到所述特征向量對應(yīng)的用戶手 勢。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法進(jìn)一步包括： 獲取用戶連續(xù)兩次以上輸入的用戶手勢的數(shù)據(jù)序列； 對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到針對每個用戶手勢的特征向量； 當(dāng)針對每個用戶手勢的特征向量均無法被所述預(yù)定義分類器識別時，判斷任意兩個用 戶手勢的數(shù)據(jù)序列的相似度是否均不大于預(yù)先設(shè)定的閾值，如果是，則將各個用戶手勢的 數(shù)據(jù)序列作為初始樣本； 對所述初始樣本進(jìn)行加權(quán)加噪處理，將初始樣本及加權(quán)加噪處理后得到的樣本作為自 定義分類器的正樣本；選取其他數(shù)據(jù)序列作為自定義分類器的負(fù)樣本；將所述正樣本和負(fù) 樣本作為訓(xùn)練數(shù)據(jù)訓(xùn)練所述自定義分類器。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述加權(quán)加噪處理的方式為：對數(shù)據(jù)序列 中的各個數(shù)據(jù)分別乘以預(yù)定范圍內(nèi)的隨機(jī)數(shù)； 所述對初始樣本進(jìn)行加權(quán)加噪處理，將初始樣本及加權(quán)加噪處理后得到的樣本作為自 定義分類器的正樣本的方式為： 對初始樣本進(jìn)行加權(quán)加噪處理，得到新的數(shù)據(jù)序列； 對所述初始樣本及新的數(shù)據(jù)序列再次進(jìn)行加權(quán)加噪處理，得到新的數(shù)據(jù)序列； 直至數(shù)據(jù)序列的數(shù)量滿足預(yù)先設(shè)定的要求時，將得到的新的數(shù)據(jù)序列及初始樣本作為 正樣本。
6. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述選取其他數(shù)據(jù)序列作為自定義分類 器的負(fù)樣本的方式為： 選取所述預(yù)定義分類器能夠識別的部分或全部用戶手勢的數(shù)據(jù)序列、或者一個以上隨 機(jī)序列作為負(fù)樣本。
7. -種手勢識別裝置，其特征在于，所述裝置包括： 預(yù)處理模塊，用于獲取用戶手勢的數(shù)據(jù)序列，所述數(shù)據(jù)序列包括加速度數(shù)據(jù)序列和角 速度數(shù)據(jù)序列；對所述數(shù)據(jù)序列進(jìn)行預(yù)處理，得到特征向量； 預(yù)定義分類器，用于識別所述特征向量，得到所述特征向量對應(yīng)的用戶手勢。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述預(yù)處理模塊對數(shù)據(jù)序列進(jìn)行預(yù)處理 并得到特征向量的方式為： 對各個數(shù)據(jù)序列分別依次執(zhí)行去噪平滑、尺度歸一化和維度標(biāo)準(zhǔn)化操作； 將操作結(jié)果組成用戶手勢的特征向量。
9. 根據(jù)權(quán)利要求7或8所述的裝置，其特征在于，所述裝置還包括： 自定義分類器，用于當(dāng)所述預(yù)定義分類器無法識別特征向量時，識別該特征向量，得到 所述特征向量對應(yīng)的用戶手勢。
10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述自定義分類器還用于， 獲取用戶連續(xù)兩次以上輸入的用戶手勢的數(shù)據(jù)序列；當(dāng)針對每個用戶手勢的特征向量 均無法被所述預(yù)定義分類器識別時，判斷任意兩個用戶手勢的數(shù)據(jù)序列的相似度是否均不 大于預(yù)先設(shè)定的閾值，如果是，則將各個用戶手勢的數(shù)據(jù)序列作為初始樣本； 對所述初始樣本進(jìn)行加權(quán)加噪處理，將初始樣本及加權(quán)加噪處理后得到的樣本作為自 定義分類器的正樣本；選取其他數(shù)據(jù)序列作為自定義分類器的負(fù)樣本；將所述正樣本和負(fù) 樣本作為訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練。
11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述自定義分類器加權(quán)加噪處理的方 式為：對數(shù)據(jù)序列中的各個數(shù)據(jù)分別乘以預(yù)定范圍內(nèi)的隨機(jī)數(shù)； 所述自定義分類器對初始樣本進(jìn)行加權(quán)加噪處理，將初始樣本及加權(quán)加噪處理后得到 的樣本作為自定義分類器的正樣本的方式為： 對初始樣本進(jìn)行加權(quán)加噪處理，得到新的數(shù)據(jù)序列； 對所述初始樣本及新的數(shù)據(jù)序列再次進(jìn)行加權(quán)加噪處理，得到新的數(shù)據(jù)序列； 直至數(shù)據(jù)序列的數(shù)量滿足預(yù)先設(shè)定的要求時，將得到的新的數(shù)據(jù)序列及初始樣本作為 正樣本。
12. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述自定義分類器選取其他數(shù)據(jù)序列 作為自定義分類器的負(fù)樣本的方式為： 選取所述預(yù)定義分類器能夠識別的部分或全部用戶手勢的數(shù)據(jù)序列、或者一個以上隨 機(jī)序列作為負(fù)樣本。
【文檔編號】G06K9/66GK104484644SQ201410621500
【公開日】2015年4月1日 申請日期:2014年11月6日 優(yōu)先權(quán)日:2014年11月6日
【發(fā)明者】陳濤, 蔣文明, 李敏, 李力, 范煒 申請人:三星電子（中國）研發(fā)中心, 三星電子株式會社